控制与决策

作者：李水佳,李延炽,王锐,龚文引,张廷昱,王凌

单位：国防科技大学 系统工程学院，长沙 410073,,中国地质大学(武汉)计算机学院，武汉 430074,,国防科技大学 系统工程学院，长沙 410073,,中国地质大学(武汉)计算机学院，武汉 430074,,中国地质大学(武汉)计算机学院，武汉 430074,,清华大学 自动化系，北京 100084,

关键词：进化多任务优化;知识迁移;多任务优化问题;进化算法

基金：国家自然科学基金项目(72421002, 62403477, 62576325)；湘江实验室开放基金项目(22XJ02003)；湖南省中青年优秀科技人才计划项目(2023TJ-Z03)；国家资助博士后研究人员计划项目(GZC20242271); 国防科技大学自主科研基金项目(23-ZZCX-JDZ-28).

进化多任务优化 (EMTO) 作为一种新兴的智能优化范式, 通过跨任务的知识迁移机制能够显著提升算法的效率和解的质量. 鉴于此, 对近10年 EMTO 的研究进展进行系统性综述, 从技术进展、问题分类及应用3个维度展开. 首先, 深入剖析进化多任务算法的核心技术, 包括进化框架设计、知识迁移机制以及自适应进化算子的创新; 其次, 建立多任务优化问题的分类体系, 针对单目标、约束、竞争、多目标及超多任务等典型场景, 详细阐述其关键特征与求解策略; 此外, 梳理主流 EMTO 工具平台的功能特点, 并介绍其在路径规划、数学、机器学习、计算机视觉等领域的成功应用案例; 最后, 探讨该领域的现存挑战, 并对未来研究方向进行展望, 以期为相关学者提供技术参考与指引.

来源：2026年第4期

《控制与决策》期刊编辑部

查看控制与决策杂志2026年第4期